长上下文检索的注意力稀释问题
burkov · x · 2026-07-16
这篇来自 UC Berkeley 和 UT Austin 的论文在接近 **100 万 token** 的语料规模上测试：**大模型能否不借助独立向量检索模型，直接从海量输入里可靠找到唯一相关文档**。 作者先构建了一个 **6 亿参数** 的模型 **BlockSearch**，并把性能下降归因为 **attention dilution**：相关文档虽然能拿到较高原始分数，但在转换为注意力权重时，大量无关文档的分数会累积，把有效信号稀释掉。 他们尝试了两种针对性修正： - 根据语料规模调整这种转换方式 - 让后层只查看一个候选短名单 结果在标准 benchmark 上，性能接近强向量检索基线；而在一个更依赖**精确措辞**而非语义相似度的任务上，最佳版本甚至比向量基线强数倍，不过随着语料继续增大，性能仍会下降。